| 基于SVM与RNN的文本情感关键句判定与抽取 |
| |
| 引用本文： | 刘铭,昝红英,原慧斌.基于SVM与RNN的文本情感关键句判定与抽取[J].山东大学学报(理学版),2014(11). |
| |
| 作者姓名： | 刘铭 昝红英 原慧斌 |
| |
| 作者单位： | 郑州大学信息工程学院,河南 郑州,450001 |
| |
| 基金项目： | 国家自然科学基金资助项目(61402419，60970083，61272221)；国家社会科学基金资助项目(14BYY096)；国家高技术研究发展计划(“八六三”计划)项目(2012AA011101)；河南省科技厅科技攻关计划项目(132102210407)；河南省科技厅基础研究项目(142300410231，142300410308)；河南省教育厅科学技术研究重点项目 |
| |
| 摘 要： | 文本的情感倾向在很大程度上依赖于其中情感倾向性较高的关键句,对这些情感关键句正确判定有利于提高整个篇章情感分类的效果。传统的基于规则的情感倾向性分析的优点是情感词表和规则表达准确,缺点是完备性差,而统计的方法则相反。结合使用支持向量机(support vector machine,SVM)与递归神经网络(recursive neural netw ork,RNN)分别构造分类器,然后对整个篇章和单个句子进行情感二元分类,将分类结果进行比较投票后判定出篇章中的情感关键句。句子级情感特征不仅包含情感词、否定词等传统的文法信息,同时加入深度学习领域中词向量的统计信息,而在篇章特征中也抽取出句型、位置等宏观信息。通过参与COAE 2014评测任务1的结果显示,该方法的微平均F1值达到0.388,在同类评测系统中处于最高水平。
|
| 关 键 词： | 情感倾向性 递归神经网络 RNN 深度学习 机器学习 |
Key sentiment sentence prediction using SVM and RNN |
| |
| LIU Ming,ZAN Hong-ying,YUAN Hui-bin.Key sentiment sentence prediction using SVM and RNN[J].Journal of Shandong University,2014(11). |
| |
| Authors: | LIU Ming ZAN Hong-ying YUAN Hui-bin |
| |
| Abstract: | |
| |
| Keywords: | sentiment analysis recursive neural network RNN deep learning machine learning |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
